办事指南

人工智能机器的崛起人工智能让人们过度恐慌如此印刷版icon 2015年5月6日

点击量:   时间:2017-08-14 02:10:01

<p>ELON MUSK忙于建立其他人的未来一个连续创业者,他在万维网的早期创造了他的第一笔财富,此后他帮助建立了一家太阳能公司来生产绿色电力,这是一家电动汽车公司,旨在解放驾驶者内燃机和火箭业务 - SpaceX--追求他在一生中看到火星上的人类殖民地的愿望这使他成为一个技术专家,你期望明天可以放心地看待未来所有的技术虽然在10月份在麻省理工学院的一次演讲中,马斯克先生将人工智能(AI)描述为“召唤恶魔”,并创造了人类智能的竞争对手,可能是世界面临的最大威胁他是并不孤单牛津大学的哲学家尼克博斯特罗姆(Nick Bostrom)帮助发展了“存在风险”的概念 - 这一概念威胁到了人类 - 除了巨大的小行星罢工和全面的核战争之外,曾经是英国最重要的科学机构英国皇家学会的里斯勋爵自此在剑桥成立了存在风险研究中心人工智能所带来的风险同样严重升级您的收件箱并获取我们的每日调度和编辑精选此类担忧是对该领域本身充满乐观情绪的一面镜像,该领域在过去几年中取得了快速进展,如谷歌,Facebook等公司,亚马逊和百度已经进入人工智能军备竞赛,偷猎研究人员,建立实验室和购买初创企业内部人员基本上并不担心被他们的创造超越他们的业务并不是在制造新的思想因为它正在消除对旧类别的一些需求,通过采取过去只有人们可以做的事情并使它们适合机器的任务</p><p>由此引发的数据洪流世界互联网连接的计算机,平板电脑和智能手机,以及现在可用于处理洪流的大量计算能力,意味着他们的算法越来越能够理解语言,识别图像等业务正在注意那些是那些谁担心技术剥夺人们的工作许多工作取决于识别模式和翻译符号如果计算机取代现在这样做的一些人,无论是通过提供自动化替代方案还是通过使一些这样的工人提高效率,将会有更多人工智能热潮中的白领随处可见人工智能热潮的迹象无处不在去年,据传谷歌已经为总部位于伦敦的人工智能创业公司DeepMind支付了4亿美元</p><p>该公司从拥有自己的专用人工智能的Facebook手中抢走了该公司由纽约大学聘请的明星研究员Yann LeCun领导的研究实验室曾雇用Stanford Unive的AI大师Andrew Ng直到百度去年挖走他去芝加哥的一家位于硅谷的新公司,如Narrative Science公司,该公司希望自动编写报告(并且已经被福布斯公司使用,杂志,以涵盖基本的金融故事),马萨诸塞州剑桥的Kensho,旨在自动化金融行业“量子”所完成的一些工作,已被投资者用现金淋浴4月13日IBM宣布计划使用它的一个版本的Watson计算机 - 在一个名为Jeopardy的蒙昧主义美国智力竞赛节目中粉碎了两个微不足道的人类冠军!在2011年 - 分析健康记录,寻找医学见解深入思考人工智能的研究与计算机本身一样古老当前兴奋的大部分都涉及它的一个子领域,称为“深度学习”,一种现代的“机器学习”,哪些计算机通过处理大量数据来教自己任务以这种方式创建的算法是弥合困扰所有AI研究的差距的一种方式:总的来说,对于人类来说很难的任务对于计算机来说很容易,反之亦然最简单的计算机当谈到涉及复杂的数学方程式时,最强大的计算机可以在人们发现微不足道的东西中挣扎,例如识别面部,解码语音和识别物体</p><p>图片 理解这一点的一种方法是,对于人类做他们觉得困难的事情,比如求解微分方程,他们必须编写一套正式规则将这些规则转化为程序然后非常简单对于人类容易找到的东西,没有明确规则的类似需求 - 并且试图创造它们可能很难以一个着名的例子,成年人可以区分色情和非色情但是描述他们如何这样做几乎是不可能的,正如美国最高法院法官波特斯图尔特他在1964年被发现因为难以提出合法的防水定义而感到沮丧,他举起手来写道,虽然他不能在摘要中定义色情片,但“当我看到它时我就知道了”机器学习是一种方式通过为他们自己制定程序员无法指定的规则让计算机知道事物</p><p>机器通过对大量数据的大量统计分析来做到这一点许多系统使用古老而古老的人工智能技术 - 神经网络来开发他们需要的统计数据神经网络是在20世纪50年代由研究人员发明的,他们认为,尽管他们不知道智力是什么,但他们确实知道大脑拥有它并且大脑不是用晶体管进行信息处理,而是用神经元进行处理如果你可以模拟这些神经元 - 细长,高度相互关联的细胞在它们之间传递电化学信号 - 那么也许某种智能行为可能会出现被网络神经元巨大地捕获复杂即使在今天,人工智能中使用的模拟仍然是真实事物的棒图卡通但早期的结果表明即使是最粗糙的网络也可能对某些任务有利</p><p>微软的人工智能研究员克里斯·毕晓普指出,电话公司有,自20世纪60年代以来,一直使用由神经网络发现的回声消除算法但是在这样的早期成功之后,这个想法失去了它的吸引力</p><p>然后提供的功率限制了可以模拟的网络的大小,这限制了技术的范围在过去几年中,为绘制视频游戏图形的苛刻工作而开发的显着的数字处理能力已经复活兴趣早期的神经网络被限制在数十个或数百个神经元中,通常被组织成一个单独的层</p><p>谷歌等人使用的最新神经网络可以模拟数十亿随着许多可用的神经元,研究人员可以从大脑中获取另一个线索</p><p>在不同的层次结构层中组织它们(见图)正是这种相互关联的层的使用将“深层”深入学习深度学习网络的每一层都处理不同的抽象层次来处理图像,例如,最低层原始图像被输入它注意到像个别像素的亮度和颜色,以及这些属性如何在图像中分布的方式下一层结合t将这些观察结果分成更抽象的类别,识别边缘,阴影等</p><p>之后的图层将依次分析这些边缘和阴影,寻找表示眼睛,嘴唇和耳朵等特征的组合然后可以将这些组合成表示一张脸 - 实际上不仅仅是任何一张脸,甚至是网络之前看到的特定脸部的新图像为了使这样的网络变得有用,它们必须首先被训练为机器编程自己进行面部识别,例如,将呈现数千张图像的“训练集”</p><p>一些将包含面部,一些将不会被人类标记为每个图像作为系统的输入;作为输出的标签(“face”或“not face”)计算机的任务是提出一个统计规则,将输入与正确的输出相关联</p><p>为此,它将在每个抽象级别捕获任何常见的功能</p><p>那些显示面部的图像一旦这些相关性足够好,机器就能够可靠地从其训练集中的非面部告诉面部</p><p>下一步是让它在一组新图像上松开,看看是否面部它在现实世界中提取的识别规则通过这种自下而上的方式工作,机器学习算法学会识别人类理解但难以在代码中定义的特征,概念和类别但是这样的算法对于很长一段时间,狭隘的专业 程序经常需要设计师的提示,以手工制作的代码形式为特定于手头的任务 - 一组用于处理图像的调整,另一组用于语音识别,此外,早期的神经网络只有对数据的有限胃口超过某一点,为他们提供更多信息并没有提高他们的表现现代系统需要更少的手持和调整他们也可以充分利用尽可能多的数据,因为你可以投入他们互联网,有大量的数据可以投入百度,谷歌和Facebook等大型互联网公司的大量信息,这些信息由用户提供大量的电子邮件;大量的搜索和购买历史;无休止的面孔,汽车,猫和世界上其他所有东西的图像堆积在他们的服务器中运行这些公司的人都知道这些数据包含有用的模式,但信息的数量庞大令人生畏尽管机器并不令人生畏,信息过载的问题最终包含了自己的解决方案,特别是因为许多数据有助于预先标记由创建它们的人使用正确的算法强化,计算机可以使用这些带注释的数据来教自己发现有用的模式,结果令人印象深刻2014年,Facebook推出了一种名为DeepFace的算法,可以在97%的时间内识别图像中的特定人脸,即使这些人脸部分隐藏或光线不足也与人们可以微软喜欢吹嘘它为数字个人助理Cortana开发的对象识别软件可以告诉用户它们之间的区别彭布鲁克威尔士柯基犬和开襟羊毛威尔士柯基犬的图片,看起来几乎完全相同的两种犬品种(见图片)包括英国在内的一些国家已经使用面部识别技术进行边境控制而且能够从视频片段中识别个体的系统已经很明显了警察和间谍的呼吁5月5日发布的一份报告显示,美国的间谍如何使用语音识别软件将电话转换为文本,以使其内容更容易搜索但是,尽管互联网是一个巨大的数据库,但它不是机器学习算法茁壮成长的各种人类标记数据是有限的资源因此,一场竞赛正在开发“无监督学习”算法,它可以在不需要人工帮助的情况下学习已经有了取得了很大进展2012年,由吴博士领导的谷歌团队向无人监督的学习机器展示了数百万的YouTube视频图像机器学会了对常见事物进行分类我看到,包括人脸和(对互联网的居民的娱乐)猫在睡觉,跳跃或滑板 - 在网上无处不在没有人将视频标记为包含“面孔”或“猫”而是看到数以万计在每个例子中,机器只是简单地决定了它们所代表的统计模式足以形成一个对象类别</p><p>识别单个对象的下一步是识别许多不同的对象.Andrej Karpathy和Li Fei发表的论文 - 斯坦福大学的费用描述了一个计算机视觉系统,能够标记给定图片的特定部分,例如,将它显示为早餐桌,它将识别叉子,香蕉片,咖啡杯,花朵桌子和桌子本身它甚至会用自然英语生成场景描述(见右图) - 虽然技术还不完善(见下图)大互联网公司比如Google对此类工作感兴趣,因为它可以直接影响他们的底线更好的图像分类器应该提高搜索引擎找到用户所需内容的能力从长远来看,该技术可以找到其他更具变革性的用途能够分解和解释场景对于机器人研究人员来说非常有用,例如,帮助他们的创作 - 从工业助理车到自动驾驶汽车再到战场机器人 - 在杂乱的现实世界中航行图像分类也是一种支持技术“ “增强现实”,其中可穿戴计算机,如Google的Glass或Microsoft的HoloLens,在现实世界之上叠加了有用的信息 总部位于旧金山的Enlitic公司希望利用图像识别来分析X射线和MRI扫描,寻找人类医生可能遗漏的问题</p><p>深度学习不仅限于图像这是一种通用的模式识别技术,原则上,任何可以获取大量数据的活动 - 从运营保险业务到研究遗传学 - 可能会发现它很有用在最近在世界最大的粒子物理实验室CERN举行的比赛中,学习算法比发现物理学家编写的软件更能发现亚原子粒子的特征 - 尽管创建这些算法的程序员对物理学没有特别的了解更多的是,一组研究人员编写了一个学习播放视频的程序像“太空侵略者”这样的游戏比人们更好也可以通过深度学习改进机器翻译它已经使用了神经网络,受益现在在百度的Ng博士认为,在智能手机上运行的良好的语音识别程序可以将互联网带给中国许多文盲的人,从而与普通计算机斗争,目前在网上提供多种语言的大量文本,该公司10%的搜索是通过语音进行的他认为到2020年可能会增加到50%而且这些不同类型的人工智能可以连接在一起形成一个更强大的系统2014年5月,例如,在加利福尼亚州的一次会议上微软展示了一个能够实时翻译口语的计算机程序该公司的一位研究人员用英语向德国的一位同事讲话</p><p>这位同事听到她的对话者在德语中说一个AI程序将声波解码成英语短语另一个将这些短语从英语翻译成德语,第三个将它们翻译成德语演讲公司希望有一天能够将这项技术融入Skype,其网络电话服务中没有幽灵更好的智能手机,更高级的机器人以及将网络带入文盲都是好事但他们是否证明了马斯克先生和其他人存在的担忧</p><p>模式识别,自编程计算机可能是通往机器的一个早期但至关重要的步骤,这些机器比它们的创造者更聪明吗</p><p>厄运贩子在他们身边有一个重要的事实几十年的神经科学研究没有结果表明大脑不是一个机器,由普通原子组成,使用普通的力量并遵守普通的自然法则没有神秘的“至关重要的火花”,换句话说,这是必要的让它走了这表明建立一个人造大脑 - 甚至是一个看起来与大脑不同但做同样事情的机器 - 原则上是可能的但是做某事原则上这样做实际上并不是一成不变的问题部分问题,人工智能的先驱之一罗德尼布鲁克斯说,他现在在波士顿的一家公司Rethink Robotics工作,他对“智能”一词感到困惑</p><p>计算机现在可以做一些狭隘定义的任务,过去只有人类的大脑可以管理(原来的“计算机”毕竟是人类,通常是女性,被用来做那种棘手的算法</p><p>数字排序很简单)图像分类器可能很准确,但没有目标,没有动机,并且没有比电子表格或气候模型更清楚自己的存在</p><p>如果你试图重新创建一个大脑的工作方式,你是否必须从现在开始做人工智能所做的事情开始,人工智能会使用大量的蛮力来获得系统的智能看似响应,尽管现在比以前更强大,更强大,他们不再像过去那样思维过程它并不寻求建立类似于生物学思想的系统正如人工智能的另一个先驱Edsger Dijkstra曾经评论过的那样,问一个计算机是否能够思考是否有点像“潜水艇是否可以游泳”A圈套和幻觉没有什么能比人工智能程序被欺骗的方式更清晰了6月份在计算机视觉会议上展示的论文显示了用于欺骗图像识别算法的视错觉(见p icture) 通过将模式与其他模式相匹配,这些算法可以提供深入了解 - 但是盲目地这样做,没有求助于某种情境(比如实现棒球是一种物理对象,而不仅仅是一种模糊地让人想起拼接的抽象图案)阻止人们陷入同样的​​陷阱甚至有可能构建出对人类而言看起来像无意义的电视静止的图像,但是哪些神经网络仍然自信地归类为真实对象这并不是说人工智能的进步不会产生令人不快的后果至少对于某些人而言,与以前的技术变革浪潮不同,这些人中很多人可能是中产阶级采取微软的实时翻译它所展示的技术远非完美没有人会将其计算机翻译的语言误认为是专业翻译排序但它足以表达所说内容的要点它比雇用人类interp更便宜,更方便因此,这样的算法可以制作一个限量版本,目前这是一个昂贵的定制服务,任何拥有Skype账号的人都可以使用这可能对口译员不利但是这对其他人来说都是一个福音而且微软的计划只会变得更好</p><p>人工智能可以对白领工作做些什么,蒸汽动力在工业革命期间对蓝领工作的影响因此值得认真考虑实例,例如Narrative Science的数字金融记者和Kensho的量子,比比皆是Kensho的系统旨在解释自然语言搜索查询,例如“如果石油价格每桶下跌5美元会对汽车公司的股价造成什么影响</p><p>”然后会搜索财务报告,公司文件,历史市场数据等,并以自然语言返回回复</p><p>秒该公司计划向大银行和高级交易员提供软件Yseop,一家法国公司,使用其自然语言软件来解释查询,突然通过寻找答案的数据,然后以每页3,000页的速度用英语,西班牙语,法语或德语写下来.L'Oréal和VetOnlinecom等公司已经在其网站上用它来提供客户支持这也不仅仅是理论上的担忧,因为一些白领工作已经被机器丢失许多公司使用计算机来接听电话,例如,由于他们所有的疯狂限制,以及当他们遇到他们无法理解的查询时需要人工备份,他们比人类便宜预测如何虽然2013年出版的牛津马丁学院的一篇论文让很多人认为美国统计学家追踪的工作类别中有一半可能是脆弱的技术,但更多的工作可能会更加困难 - 尽管如此,给予和带走自动化,廉价的翻译肯定是有用的有一个不倦,闪电般快速的计算机检查医学图像也将是最好的方式考虑人工智能是将它视为人类为增强大脑能力而发明的一系列认知增强的最新产品</p><p>它是纸张技术的高科技相关产品,提供便携,可靠的记忆,或算盘有助于心理算术就像印刷机使文士失业一样,高质量的人工智能会耗费工作但是它会增强那些不能取代工作的人的能力,让每个人都能获得目前所拥有的心理技能</p><p>这几天,任何拥有智能手机的人都拥有相当于一个充满旧式人类“电脑”的城市,所有这些都只是为电池充电的成本而已</p><p>那些翻译人员或诊断人员,他们的电脑,然后,可能是一个真正的变革性技术,虽然不是 - 至少,还没有 - 由于马斯克先生或里斯勋爵有一天,或许,某些事情给出的理由g</p><p>类似于人类大脑特征的广泛智能可以在机器中重建但是目前,